榴莲忘返 2014
大语言模型（LLM）能像初级研究员一样，高效筛选“老药新用”的潜在机会，但前提是你得像个老手一样，知道该怎么“问”它。
- 模型分工不同：GPT-4o 像个严谨的专家，精度高但可能错过黑马；DeepSeek 则更像个富有创造力的探索者，召回率高，适合在早期探索中大海捞针。
- 提问的艺术是关键：直接问 AI 等于白问。通过精心设计的提示（Prompt），特别是“思维链”和“少样本”策略，才能把 AI 的潜力真正压榨出来。
- AI 不是先知，是文献大师：在有据可查的经典案例上，AI 表现近乎完美，证明它只是“博览群书”，而不是在进行真正的从零到一的推理。
我们手头有一堆经过了安全性验证的“老药”，理论上，只要找到它们和新疾病之间隐藏的联系，就能跳过漫长又烧钱的早期研发阶段，直接抄近道。问题是，从数千种药物和疾病中找出这种联系，无异于大海捞针，能把人活活累死。
所以，很多人把希望寄托在 AI 身上。这篇预印本论文想看看，现在火得一塌糊涂的大语言模型（LLM），能不能扮演一个药物研发“审稿人”的角色，帮我们从一大堆假设里筛出那些靠谱的候选者。
研究者们先用生物通路分析，一口气生成了两万多个“药物 - 疾病”的配对假设。这就像是开了一个巨大的脑洞清单。然后，他们挑出 30 个有代表性的例子，扔给 GPT-4o、DeepSeek 这些当红 AI，问它们：“嘿，你觉得这个想法行不行？”
结果相当有意思。不同的 AI 表现出了不同的“性格”。GPT-4o 的准确率最高，达到了 83%，像个经验丰富、下结论十分谨慎的评审，它说行的，基本都错不了。但它的问题是可能有点保守，会漏掉一些有潜力的“非共识”机会。而国产的 DeepSeek，在召回率上表现惊人（92%），它更像一个热情洋溢、想象力丰富的年轻科学家，能给你捞出一大堆可能性，当然里面也混着不少需要你费心去伪存真的沙子。在药物发现的早期阶段，我们宁可错杀一千，不可放过一个，所以 DeepSeek 这种高召回率的特性，价值千金。
更有趣的发现是，怎么向 AI 提问，几乎决定了你能得到什么水平的答案。如果你只是简单粗暴地把问题丢给它（所谓的“零样本”），那它返回的结果基本没法看。可一旦你用上一些“黑话”——比如“思维链”（Chain-of-Thought），强迫它一步步把思考过程写出来，或者给它几个成功的范例（Few-shot），它的表现就会脱胎换骨。这说明，跟 AI 打交道，你不能把它当成一个无所不知的神，而要把它当成一个需要循循善诱、需要清晰指令的学生。
研究者还做了一个“完整性检查”（sanity check）。他们找了 10 个业内公认的、写进教科书的“老药新用”成功案例去考 AI。果不其然，GPT-4o 和 DeepSeek 几乎拿了满分。这反倒说明了一个“残酷”的真相：LLM 的强大，很大程度上源于它“读过”海量的现有文献。它不是在进行从第一性原理出发的科学推理，而是在庞大的数据库里做最强模式匹配。
一个绝佳的例子是，AI 准确判断出钙通道阻滞剂维拉帕米（verapamil）可以用于治疗糖尿病，因为文献里有支持。同时，它也正确地否决了将抗癌药紫杉醇（paclitaxel）用于治疗肥胖症的提议。尽管两者在生物通路上有交集，但 AI（在正确的引导下）似乎理解了“用细胞毒性药物去治慢性病，这在临床上就是个笑话”这种级别的常识。这让人看到了一丝超越简单文本匹配的“医学直觉”的曙光。
那么，我们是不是可以解雇研发团队，换上一堆服务器了？当然不行。AI 的“幻觉”问题依然存在，它会一本正经地胡说八道，甚至给你编造根本不存在的参考文献。所以，现阶段，LLM 最好的定位是一个能力超强、不知疲倦的实习生。它能帮你把浩如烟海的文献资料梳理一遍，把最值得关注的点标出来，让你从繁琐的案头工作里解放出来。但最终拍板、验证、推进项目的，还得是屏幕前那个拥有真正智慧和经验的人类。
📜Title: Accelerating Drug Repurposing with AI: The Role of Large Language Models in Hypothesis Validation 📜Paper: https://www.biorxiv.org/content/10.1101/2025.06.13.659527v1 💻Code: https://github.com/iratxe-zunzunegui/drug-repurposing-validation-LLMs
